CN113617036A - 游戏中对话处理方法、装置、设备及存储介质 - Google Patents

Abstract

本申请提供一种游戏中对话处理方法、装置、设备及存储介质，属于机器人语料处理技术领域。该方法包括：获取玩家输入的对话语句；对对话语句进行预处理，得到对话语句的目标词槽以及目标意图，目标词槽用于表征对话语句中的关键词信息，目标意图用于表征对话语句的行为目的；根据目标词槽、目标意图以及预设的非玩家角色行为表，生成对话响应语句，非玩家角色行为表用于记录非玩家角色的行为信息；向玩家输出对话响应语句。本申请可以增加非玩家角色对话的多样性和准确性，从而满足玩家的对话需求，提高玩家对话体验。

Description

游戏中对话处理方法、装置、设备及存储介质

技术领域

本申请涉及机器人语料处理技术领域，具体而言，涉及一种游戏中对话处理方法、装置、设备及存储介质。

背景技术

在游戏场景中玩家与NPC(non-player character，非玩家角色)进行对话的过程中，通常会涉及玩家对NPC提出问题的情况，为了满足玩家的需求，NPC需要做出符合当前场景的回答。

在现有技术中，NPC的回答方式通常是基于预设的套话进行回复，并且，不会随着时间的更新而变更，例如：玩家在第一天询问当天发生的事和玩家在第二天询问前一天发生的事时可能会产生不一致的情况。

这就导致了玩家在与NPC进行对话的过程中，可能会获得矛盾的信息或者NPC基于玩家问题的回答无法满足玩家需求的情况，从而会降低玩家的对话体验。

发明内容

本申请的目的在于提供一种游戏中对话处理方法、装置、设备及存储介质，可以增加非玩家角色对话的多样性和准确性，从而满足玩家的对话需求，提高玩家对话体验。

本申请的实施例是这样实现的：

本申请实施例的一方面，提供一种游戏中对话处理方法，包括：

获取玩家输入的对话语句；

对对话语句进行预处理，得到对话语句的目标词槽以及目标意图，目标词槽用于表征对话语句中的关键词信息，目标意图用于表征对话语句的行为目的；

根据目标词槽、目标意图以及预设的非玩家角色行为表，生成对话响应语句，非玩家角色行为表用于记录非玩家角色的行为信息；

向玩家输出对话响应语句。

可选地，非玩家角色行为表包括：行为信息以及时间信息，每个行为信息对应至少一个时间信息；其中，行为信息包括如下至少一种：地点信息、人物信息、原因信息、经过信息、结果信息、补充信息；该方法还包括：

基于预设的行为生成策略以及目标时间信息，生成目标时间信息对应的行为信息；

将目标时间信息以及目标时间信息对应的行为信息增加至非玩家角色行为表中。

可选地，时间信息包括时间单位，时间单位包括：小时、日期、星期、月度以及年度。

可选地，该方法还包括：根据各日期下的各小时对应的行为信息，确定各日期对应的行为信息；和/或者，

根据各星期下的各日期对应的行为信息，确定各星期对应的行为信息；和/或者，

根据各月度下的各星期对应的行为信息，确定各月度对应的行为信息；和/或者，

根据各年度下的各月度对应的行为信息，确定各年度对应的行为信息。

可选地，根据各星期下的各日期对应的行为信息，确定各星期对应的行为信息，包括：确定以当前日期为结束日的目标星期中各日期对应的行为信息；

根据目标星期中各日期对应的行为信息确定目标星期对应的行为信息。

可选地，根据各月度下的各星期对应的行为信息，确定各月度对应的行为信息，包括：确定以当前日期为结束日的目标月度中各星期对应的行为信息；

根据目标年度中各月度对应的行为信息确定目标月度对应的行为信息。

可选地，根据各年度下的各月度对应的行为信息，确定各年度对应的行为信息，包括：确定以当前日期为结束日的目标年度中各月度对应的行为信息；

根据目标年度中各月度对应的行为信息确定目标年度对应的行为信息。

可选地，对对话语句进行预处理，得到对话语句的目标词槽，包括：基于对话语句进行关键词提取处理，得到目标词槽。

可选地，对对话语句进行预处理，得到对话语句的目标意图，还包括：基于对话语句进行意图语料匹配，得到目标意图。

可选地，根据目标词槽、目标意图以及预设的非玩家角色行为表，生成对话响应语句，包括：

判定目标意图是否属于预设意图库中的意图；

若目标意图不属于预设意图库中的意图，将目标词槽与非玩家角色行为表进行匹配处理，得到匹配结果；

根据匹配结果生成对话响应语句。

可选地，将目标词槽与非玩家角色行为表进行匹配处理，得到匹配结果，包括：

基于目标词槽所表征的关键词信息，从非玩家角色行为表中筛选出至少一个筛选结果，筛选结果中包括：时间信息以及行为信息；

对每个筛选结果进行评分排序处理；

将满足评分排序结果的筛选结果以及关键词信息作为匹配结果。

可选地，根据匹配结果生成对话响应语句，包括：

将匹配结果输入到预先训练好的语料模型中生成对话响应语句。

可选地，判定目标意图是否为满足预设条件的目标意图之后，方法还包括：

若目标意图属于预设意图库中的意图，基于目标意图在预设意图库中的归属类型以及目标词槽中的关键词信息从非玩家角色行为表中进行行为查找，得到查询结果；

根据查询结果生成对话响应语句。

本申请实施例的另一方面，提供一种游戏中对话处理装置，包括：获取模块、预处理模块、生成模块以及输出模块；

获取模块，用于获取玩家输入的对话语句；

预处理模块，用于对对话语句进行预处理，得到对话语句的目标词槽以及目标意图，目标词槽用于表征对话语句中的关键词信息，目标意图用于表征对话语句的行为目的；

生成模块，用于根据目标词槽、目标意图以及预设的非玩家角色行为表，生成对话响应语句，非玩家角色行为表用于记录非玩家角色的行为信息；

输出模块，用于向玩家输出对话响应语句。

可选地，生成模块，还用于基于预设的行为生成策略以及目标时间信息，生成目标时间信息对应的行为信息；将目标时间信息以及目标时间信息对应的行为信息增加至非玩家角色行为表中。

可选地，生成模块，还用于根据各日期下的各小时对应的行为信息，确定各日期对应的行为信息；和/或者，根据各星期下的各日期对应的行为信息，确定各星期对应的行为信息；和/或者，根据各月度下的各星期对应的行为信息，确定各月度对应的行为信息；和/或者，根据各年度下的各月度对应的行为信息，确定各年度对应的行为信息。

可选地，生成模块，具体用于确定以当前日期为结束日的目标星期中各日期对应的行为信息，根据目标星期中各日期对应的行为信息确定目标星期对应的行为信息。

可选地，生成模块，具体用于确定以当前日期为结束日的目标月度中各星期对应的行为信息，根据目标月中各星期对应的行为信息确定目标月度对应的行为信息。

可选地，生成模块，具体用于确定以当前日期为结束日的目标年度中各月度对应的行为信息，根据目标年度中各月度对应的行为信息确定目标年度对应的行为信息。

可选地，预处理模块，具体用于基于对话语句进行关键词提取处理，得到目标词槽。

可选地，预处理模块，还用于基于对话语句进行意图语料匹配，得到目标意图。

可选地，生成模块，具体用于判定目标意图是否属于预设意图库中的意图；若目标意图不属于预设意图库中的意图，将目标词槽与非玩家角色行为表进行匹配处理，得到匹配结果；根据匹配结果生成对话响应语句。

可选地，生成模块，具体用于基于目标词槽所表征的关键词信息，从非玩家角色行为表中筛选出至少一个筛选结果，筛选结果中包括：时间信息以及行为信息；对每个筛选结果进行评分排序处理；将满足评分排序结果的筛选结果以及关键词信息作为匹配结果。

可选地，生成模块，具体用于将匹配结果输入到预先训练好的语料模型中生成对话响应语句。

可选地，生成模块，还用于若目标意图属于预设意图库中的意图，基于目标意图在预设意图库中的归属类型以及目标词槽中的关键词信息从非玩家角色行为表中进行行为查找，得到查询结果；根据查询结果生成对话响应语句。

本申请实施例的另一方面，提供一种计算机设备，包括：存储器、处理器，存储器中存储有可在处理器上运行的计算机程序，处理器执行计算机程序时，实现上述游戏中对话处理方法的步骤。

本申请实施例的另一方面，提供计算机可读存储介质，存储介质上存储有计算机程序，该计算机程序被处理器执行时，实现游戏中对话处理方法的步骤。

本申请实施例的有益效果包括：

本申请实施例提供的游戏中对话处理方法、装置、设备及存储介质中，可以获取玩家输入的对话语句；对对话语句进行预处理，得到对话语句的目标词槽以及目标意图，目标词槽用于表征对话语句中的关键词信息，目标意图用于表征对话语句的行为目的；根据目标词槽、目标意图以及预设的非玩家角色行为表，生成对话响应语句，非玩家角色行为表用于记录非玩家角色的行为信息；向玩家输出对话响应语句。其中，通过根据非玩家角色行为表进行对话响应语句的生成过程中，可以实现非玩家角色在对话中生成一致性较强、类型多样化的对话响应语句，从而可以提高非玩家角色对话的多样性和准确性，并且，通过该非玩家角色与玩家对话也可以提高玩家的对话体验。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例提供的游戏中对话处理方法的流程示意图一；

图2为本申请实施例提供个非玩家角色行为表的显示示意图；

图3为本申请实施例提供的游戏中对话处理方法的流程示意图二；

图4为本申请实施例提供的游戏中对话处理方法的流程示意图三；

图5为本申请实施例提供的游戏中对话处理方法的流程示意图四；

图6为本申请实施例提供的游戏中对话处理方法的流程示意图五；

图7为本申请实施例提供的游戏中对话处理装置的结构示意图；

图8为本申请实施例提供的计算机设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

在本申请的描述中，需要说明的是，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本申请其中一种实施例中的游戏显示方法可以运行于终端设备或者是服务器。其中，终端设备可以为本地终端设备。当游戏显示方法运行于服务器时，该方法则可以基于云交互系统来实现与执行，其中，云交互系统包括服务器和客户端设备。

在一可选的实施方式中，云交互系统下可以运行各种云应用，例如：云游戏。以云游戏为例，云游戏是指以云计算为基础的游戏方式。在云游戏的运行模式下，游戏程序的运行主体和游戏画面呈现主体是分离的，游戏显示方法的储存与运行是在云游戏服务器上完成的，客户端设备的作用用于数据的接收、发送以及游戏画面的呈现，举例而言，客户端设备可以是靠近用户侧的具有数据传输功能的显示设备，如，移动终端、电视机、计算机、掌上电脑等；但是进行信息处理的终端设备为云端的云游戏服务器。在进行游戏时，玩家操作客户端设备向云游戏服务器发送操作指令，云游戏服务器根据操作指令运行游戏，将游戏画面等数据进行编码压缩，通过网络返回客户端设备，最后，通过客户端设备进行解码并输出游戏画面。

在一可选的实施方式中，终端设备可以为本地终端设备。以游戏为例，本地终端设备存储有游戏程序并用于呈现游戏画面。本地终端设备用于通过图形用户界面与玩家进行交互，即，常规的通过电子设备下载安装游戏程序并运行。该本地终端设备将图形用户界面提供给玩家的方式可以包括多种，例如，可以渲染显示在终端的显示屏上，或者，通过全息投影提供给玩家。举例而言，本地终端设备可以包括显示屏和处理器，该显示屏用于呈现图形用户界面，该图形用户界面包括游戏画面，该处理器用于运行该游戏、生成图形用户界面以及控制图形用户界面在显示屏上的显示。

在一种可能的实施方式中，本发明实施例提供了一种游戏显示方法，通过第一终端设备提供图形用户界面，其中，第一终端设备可以是前述提到的本地终端设备，也可以是前述提到的云交互系统中的客户端设备。

可选地，本申请实施例中提供的非玩家角色可以是计算机程序中预设好的虚拟机器人，在现有技术中，当玩家与非玩家角色进行对话时，通常是通过一个标准的对话生成模块进行的，该模块通常接收玩家输入的对话语句，经过模型生成或者规则生成，产生回复对话响应语句，用以回复玩家。模型生成的方法通常用于闲聊领域，需要提前在大量对话语料上训练模型；规则生成的方法通常用于任务型对话领域，需要精确识别玩家的意图，基于意图做出决策，然后用模板或者提前写好的回复语料来产生回复。

现有的基于机器人人设的对话控制方法通常是把机器人“年龄”、“性别”等属性进行编码、同时把玩家输入的对话语句进行编码，两个编码共同输入到对话生成模型产生回复对话响应语句，这类方法通常应用在闲聊领域，需要标注好的训练数据用于训练模型，例如：玩家输入了“我今天看了一本历史书”，通过上述过程进行相应，会偏向于挑选“爱好、看书”这个属性值，配合输入一起生产回复“我喜欢看书”作为对话响应语句。

然而，由于带人设信息的对话语料需要提前标注每轮对话所涉及的人设信息，而现有的大规模对话语料基本都是闲聊领域，很难保证对话中能体现出人设信息，所以标注成本非常大，想要落地应用极其困难。而且当机器人人设扩充或者变化后，可能需要重新标注，所以迁移维护的成本也很高。

另外，现有的聊天机器人的人设所包含的维度非常片面，比如只有年龄身高等简单的属性值，无法得知机器人今天吃了什么，昨天和谁一起玩，明天有什么计划等更加细致的人设信息。如果用这些问题去问现有的聊天机器人，也能给出一个回复，但是无法确保多次询问、隔一天询问，产生回复内容的一致性。比如今天问“你早餐吃什么”，明天问“你昨天早餐吃了什么”需要确保答案的一致性。

下面来解释本申请实施例中提供的游戏中对话处理方法的具体实施过程。

图1为本申请实施例提供的游戏中对话处理方法的流程示意图一，请参照图1，游戏中对话处理方法，包括：

S110：获取玩家输入的对话语句。

可选地，该方法的具体执行主体可以是前述移动终端或者计算机等中的应用程序，例如：游戏程序，玩家可以通过鼠键打字输入、触屏按键输入或者选择性输入、语音识别输入等任意类型的方式输入，对话语句具体可以是玩家与非玩家角色之间交流的一句话，可以是问句，也可以是陈述句等，在此不作具体的限制。

S120：对对话语句进行预处理，得到对话语句的目标词槽以及目标意图。

其中，目标词槽用于表征对话语句中的关键词信息，目标意图用于表征对话语句的行为目的。

可选地，预处理可以是对对话语句进行关键词识别等多个步骤的处理，得到上述目标词槽和目标意图。

其中，目标词槽可以是具体的某一个关键词以及该关键词对应的类型，例如：“今天十点吃饭”中，“今天十点”“吃饭”就可以作为其中的一个关键词，目标词槽除了包括关键词之外，也可以包括该关键词的类型，例如“今天十点”可以分类为“时间”，“吃饭”可以分类为“行为”等。

其中，目标意图可以是确定玩家的对话语句的行为目的，具体可以根据预设的意图库进行确定。

S130：根据目标词槽、目标意图以及预设的非玩家角色行为表，生成对话响应语句。

其中，非玩家角色行为表用于记录非玩家角色行为信息。

可选地，确定前述目标词槽、目标意图之后，可以根据预设的非玩家角色行为表生成对话响应语句；该非玩家角色行为预设表中可以记录该非玩家角色在预设时间段内每个时间的行为，例如可以是历史时间段也可以是将来时间段。

S140：向玩家输出对话响应语句。

可选地，得到上述对话响应语句之后，可以将该对话响应语句输出给玩家，具体可以是通过文字、图片、语音等任意一种或者多种的方式来实现，在此不作限制。

本申请实施例提供的游戏中对话处理方法中，可以获取玩家输入的对话语句；对对话语句进行预处理，得到对话语句的目标词槽以及目标意图，目标词槽用于表征对话语句中的关键词信息，目标意图用于表征对话语句的行为目的；根据目标词槽、目标意图以及预设的非玩家角色行为表，生成对话响应语句，非玩家角色行为表用于记录非玩家角色的行为信息；向玩家输出对话响应语句。其中，通过根据非玩家角色行为表进行对话响应语句的生成过程中，可以实现非玩家角色在对话中生成一致性较强、类型多样化的对话响应语句，从而可以提高非玩家角色对话的多样性和准确性，并且，通过该非玩家角色与玩家对话也可以提高玩家的对话体验。

下面来解释本申请实施例中提供的非玩家角色行为表中所包含的具体内容。

图2为本申请实施例提供个非玩家角色行为表的显示示意图，请参照图2，非玩家角色行为表包括：行为信息以及时间信息，每个行为信息对应至少一个时间信息；其中，行为信息包括如下至少一种：地点信息、人物信息、原因信息、经过信息、结果信息、补充信息。

可选地，如图2所示，非玩家角色行为表可以以时间信息、行为信息两个信息来分别显示，例如“0-8时，睡觉”即表示非玩家角色在今天的0-8时时间内的行为是“睡觉”。

可选地，时间信息包括时间单位，时间单位包括：小时、日期、星期、月度以及年度。

可选地，该时间信息可以是与现实的时间相对应的时间，或者也可以是基于现实时间规则，在游戏中重新设置的一套时间，在此不作具体限制。

可选地，非玩家角色行为表中可以存储记录一周内每一天24小时的行为信息，另外还可以存储当前日期之前某一星期、某一月度或者某一年度的总结的特征行为信息，该特征行为信息可以是该星期、月度或者年度下经常执行的一个或者多个行为。

也即是说，按照上述设置方式，时间信息可以分别划分为小时、日期、星期、月度以及年度多个维度下的信息。

其中，在日期维度下会记录该日期内每个小时非玩家角色的行为，例如：可以保留最近7天的数据，每天包括24个小时的行为信息。对于每条行为信息除了记录具体的行为内容之外，还可以记录该行为的值。而在星期维度下，可以存储最近4个星期中每个星期的特征行为信息；相应地，在月度维度下，可以存储最近12个月或者当年内的月份的特征行为信息；相应地，在年度维度下，可以存储最近3年的特征行为信息。

需要说明的是，上述设置的具体时间数量可以根据实际需求进行对应修改，并不以此为限。

可选地，上述每天的行为信息可以是随机生成的，例如可以设置约束条件，约束条件主要包括机器人的性格、成长阶段、年龄、爱好等维度。对于不同的机器人，其可执行的行为也不一样。这里的行为主要由落地场景决定，比如在游戏领域，给多个小孩NPC提供对话能力，小孩子的行为和游戏绑定密切，可能包括：荡秋千、玩蹴鞠、踢毽子、练轻功等，不同类型的小孩会对不同的行为有不一样的倾向，每种行为有时间约束、时长约束等。

基于以上约束，可以自动生成某个小孩NPC的一天24小时的日程行为。如果在某个时刻小孩可以做多个行为，可以随机挑选一个，增加多样性。

可选地，上述非玩家角色行为表可以是预先设置好内容的，也可以是实时更新的，具体可以根据实际需求进行设置。

可选地，上述对非玩家角色行为表中的行为记录不局限于历史上的记录，也可以设置对未来时间的规划和安排等，例如可以计划“明天准备去滑雪”“下周准备去爬山”等。

下面来具体解释当需要对非玩家角色行为表进行更新时，进行的具体实施过程。

图3为本申请实施例提供的游戏中对话处理方法的流程示意图二，请参照图3，该方法还包括：

S310：基于预设的行为生成策略以及目标时间信息，生成目标时间信息对应的行为信息。

可选地，预设的行为生成策略可以是预先设置好的策略，基于该策略和目标时间信息，对应生成该时间信息下的行为信息，目标时间信息可以是任意的时间，例如可以是前述小时、日期、星期、月度、年度等维度下的任意一个时间段。

S320：将目标时间信息以及目标时间信息对应的行为信息增加至非玩家角色行为表中。

可选地，生成上述行为信息之后，可以将行为信息以及对应的目标时间信息增加至上述非玩家角色行为表中以实现该行为表的更新。

本申请实施例中提供的游戏中对话处理方法中，可以基于预设的行为生成策略以及目标时间信息，生成目标时间信息对应的行为信息；将目标时间信息以及目标时间信息对应的行为信息增加至非玩家角色行为表中。其中，通过将目标时间信息以及目标信息对应的行为信息增加至非玩家角色行为表中，可以实现非玩家角色行为表的更新，从而可以使非玩家角色行为的多样化，进而提高玩家在于非玩家角色对话时的体验感；另外，实现非玩家角色行为表的更新，还可以让机器人当天的细致日程随着时间进行变化，历史日程保持时间上一致性，不会造成机器人人设的割裂感。

可选地，该方法还包括：根据各日期下的各小时对应的行为信息，确定各日期对应的行为信息。

可选地，可以通过前述确定特征行为信息的方式，来确定每个日期的特征行为信息，例如：除去“睡觉”和“吃饭”等固定行为，某一天所花费时间最多的一个行为或者多个行为可以作为该日期的特征行为，该特征行为对应的相关信息即为上述日期对应的行为信息，以此法可以分别确定每个日期对应的行为信息。

可选地，该方法还包括：根据各星期下的各日期对应的行为信息，确定各星期对应的行为信息。

可选地，可以通过前述确定特征行为信息的方式，来确定每个星期的特征行为信息，可以将每个星期下的各日期内的特征行为最多的行为作为该星期的特征行为，该特征行为对应的相关信息即为上述星期对应的行为信息，以此法可以分别确定每个星期对应的行为信息。

可选地，根据各星期下的各日期对应的行为信息，确定各星期对应的行为信息，包括：确定以当前日期为结束日的目标星期中各日期对应的行为信息，根据目标星期中各日期对应的行为信息确定目标星期对应的行为信息。

可选地，可以选择每个星期的第一天作为结束日，或者也可以以当前日期作为结束日，可以确定结束日前一个星期作为目标星期，然后采用上述方式确定目标星期对应的行为信息。

可选地，该方法还包括：根据各月度下的各星期对应的行为信息，确定各月度对应的行为信息。

可选地，可以通过前述确定特征行为信息的方式，来确定每个月度的特征行为信息，可以将每个月度下的各星期内的特征行为最多的行为作为该月度的特征行为，该特征行为对应的相关信息即为上述月度对应的行为信息，以此法可以分别确定每个月度对应的行为信息。

可选地，根据各月度下的各星期对应的行为信息，确定各月度对应的行为信息，包括：确定以当前日期为结束日的目标月度中各星期对应的行为信息，根据目标月中各星期对应的行为信息确定目标月度对应的行为信息。

可选地，可以选择每个月度的第一天作为结束日，或者也可以以当前日期作为结束日，可以确定结束日前一个月度作为目标月度，然后采用上述方式确定目标月度对应的行为信息。

可选地，该方法还包括：根据各年度下的各月度对应的行为信息，确定各年度对应的行为信息。

可选地，可以通过前述确定特征行为信息的方式，来确定每个年度的特征行为信息，可以将每个年度下的各月度内的特征行为最多的行为作为该年度的特征行为，该特征行为对应的相关信息即为上述年度对应的行为信息，以此法可以分别确定每个年度对应的行为信息。

可选地，根据各年度下的各月度对应的行为信息，确定各年度对应的行为信息，包括：确定以当前日期为结束日的目标年度中各月度对应的行为信息，根据目标年度中各月度对应的行为信息确定目标年度对应的行为信息。

可选地，可以选择每个年度的第一天作为结束日，或者也可以以当前日期作为结束日，可以确定结束日前一个年度作为目标年度，然后采用上述方式确定目标年度对应的行为信息。

可选地，对对话语句进行预处理，得到对话语句的目标词槽以及目标意图，包括：基于对话语句进行关键词提取处理，得到目标词槽。

可选地，可以采用预设好的关键词提取模型对对话语句进行关键词提取，进而得到多个关键词信息，分别对每个关键词信息进行类型判别，进而可以确定上述目标词槽。

可选地，对对话语句进行预处理，得到对话语句的目标词槽以及目标意图，还包括：基于对话语句进行意图语料匹配，得到目标意图。

可选地，确定对话语句之后，可以将对话语句作为意图语料，进而判定该意图语料是否属于预设类型的意图语料，若属于，则可以确定预设类型的意图语料对应的类型即为目标意图。

下面来具体解释根据目标词槽、目标意图以及预设的非玩家角色行为表，生成对话响应语句的具体实施过程。

图4为本申请实施例提供的游戏中对话处理方法的流程示意图三，请参照图4，根据目标词槽、目标意图以及预设的非玩家角色行为表，生成对话响应语句，包括：

S410：判定目标意图是否属于预设意图库中的意图。

可选地，具体可以根据目标意图对应的意图语料进行判定，例如：可以识别出用户说的话的意图，在机器人人设表问答场景下，意图主要包含下表1中的几类，可根据场景灵活添加。意图语料设置较多的类型，基于这些意图语料训练意图分类模型。当玩家说了一句话过来，用训练好的分类模型将这句话分类至定好的几类中，当然玩家的意图可能不在这几类里，所以还可以设置一个其他类。

表1

其中，“意图名称”即为预设意图库中的意图；“意图语料”即为目标意图对应的意图语料。

根据上述判定后，可以得到对应的判定结果，也即是该目标意图属于该预设意图库中的意图，或者不属于该预设意图库中的意图。

S420：若目标意图不属于预设意图库中的意图，将目标词槽与非玩家角色行为表进行匹配处理，得到匹配结果。

可选地。若确定目标意图不属于预设意图库中的意图，也即是相当于目标意图属于其他类型的意图，则可以基于非玩家角色行为表来引导话题进行主动对话。在对话过程中，基于对话上下文，从非玩家角色行为表中挑选出最符合当前语境的一条行为信息进行交谈。

可选地，具体采用的方式可以是将目标词槽与非玩家角色行为表进行匹配处理，得到满足需求的匹配结果，该匹配结果具体可以是对话语句中的多个关键词信息与非玩家角色行为表中的某一行为信息的对应关系。

S430：根据匹配结果生成对话响应语句。

可选地，确定过上述匹配结果之后，可以基于预设的对话响应语句生成的方式对应生成该对话响应语句。

本申请实施例中提供的游戏中对话处理方法中，可以判定目标意图是否属于预设意图库中的意图；若目标意图不属于预设意图库中的意图，将目标词槽与非玩家角色行为表进行匹配处理，得到匹配结果；根据匹配结果生成对话响应语句。其中，通过与非玩家角色行为表进行匹配，可以实现在对话过程中，引导对话的话题朝着行为表中的预设行为信息的方向展开，让非玩家角色能不经意间提及自己的所作所为，增强用户的对话体验。

下面来具体解释本申请实施例中提供的游戏中对话处理方法的又一具体实施过程。

图5为本申请实施例提供的游戏中对话处理方法的流程示意图四，请参照图5，将目标词槽与非玩家角色行为表进行匹配处理，得到匹配结果，包括：

S510：基于目标词槽所表征的关键词信息，从非玩家角色行为表中筛选出至少一个筛选结果。

其中，筛选结果中包括：时间信息以及行为信息。

可选地，在进行筛选之前，还可以对目标词槽所表征的关键词信息进行同义词扩充，对扩充后的信息进行筛选，例如：今天12点钟的行为信息中具体包括：经过信息：吃午饭；地点信息：厨房；人物信息：爹；经过信息的具体值为：东坡肉；则分别对各个字段的值进行同义词扩充得到“吃午饭”的同义词“吃午餐”，“爹”的同义词“爸爸”“爹爹”“父亲”等，并且可以把今天对应的真实日期、星期等都加入“时间”这个目标词槽的同义词中，比如：“今天”“2021.06.01”“6月1号”“儿童节”“星期二”“周二”等。这里的同义词扩充可以利用词向量+同义词表一同扩充，时间的扩充可以利用人为设定一些模板来扩充。在实际过程中，可以对每一条行为信息、时间信息所涉及到的关键词信息都进行扩充。进而可以对扩充后的关键词建立索引，这里建索引的目的是当玩家提到了某个关键词，则可以快速查出该词对应的行为，从而得到行为的具体信息。

在从非玩家角色行为表中筛选出至少一个筛选结果的过程中，具体可以是通过检索匹配的方式实现的，例如：当玩家输入的实际对话语句为“我今天吃的东坡肉好腻”，对于今天12点这一时间信息以及“吃的东坡肉好腻”这一行为信息，可以匹配到“今天”、“东坡肉”两个关键词，这里匹配的含义是只要用户说的话中包含扩充后的任意一个关键词，就认为匹配成功。将这两个关键词作为筛选结果，也即是上述由时间信息以及行为信息组成的筛选结果。

S520：对每个筛选结果进行评分排序处理。

可选地，得到筛选结果之后，可以对该筛选结果进行评分排序处理，例如可以采用一个简单的规则来实现打分排序，根据匹配到关键词的数目进行排序，把匹配数目最多的行为返回，如果数目最多的行为有多条，则随机一条进行返回。或者，也可以采用其他策略返回行为数据，在此不作限制。

可选地，返回的筛选结果即为满足评分排序结果的筛选结果。

S530：将满足评分排序结果的筛选结果以及关键词信息作为匹配结果。

可选地，得到满足评分排序结果的筛选结果之后，可以将该筛选结果和关键词信息一并作为上述匹配结果。

可选地，根据匹配结果生成对话响应语句，包括：

将匹配结果输入到预先训练好的语料模型中生成对话响应语句。

可选地，语料模型可以是基于训练好的大规模预训练语言模型GPT(GenerativePre-training)，在大量对话数据上fine-tune(微调)，得到的对话生成模型。在微调的时候，还可以把关键词信息引入进来，从而达到了受控生成的目的。

该模型的具体训练过程如下：

(1)基础模型确定阶段：

采用预训练完成的语言模型GPT作为基础模型。

(2)微调阶段：

对于一条原始的对话语料，比如对话语句为“今天天气真好呀”，对话响应语句为“我们不如去爬山吧”，在不考虑受控生成时，会将对话语句和对话响应语句通过分隔符拼接成一句话“今天天气真好[SEP]我们不如去爬山吧”，然后进行微调。当把受控信息加进来时，会先提取对话语句中的关键词“爬山”(可以利用开源的jieba工具或者hanlp工具来提取)，然后把关键词作为对话响应语句的前缀，并用显示分隔符标志出来，得到的训练样本为“今天天气真好呀[SEP][SEP1]爬山[SEP2]我们不如去爬山吧”，然后进行微调。其中，[SEP][SEP1][SEP2]均为分隔符。

(3)推断阶段：

在没有受控生成时，用GPT生成对话回复通常是将对话语句作为前缀，然后让GPT接着往下生成，比如输入为：“今天天气真好呀[SEP]”，GPT可进行补全回复“我们不如去爬山吧”。当引入受控生成时，我们将受控关键词放在对话语句后面，引导对话生成，此时的输入数据为：“今天天气真好呀[SEP][SEP1]爬山[SEP2]”，让微调后的GPT生成回复“我们不如去爬山吧”。采用这种形式后，我们可以更换关键词，比如输入“今天天气真好呀[SEP][SEP1]游泳[SEP2]”，可能得到的回复为“我们要不去游泳怎么样”。

(4)“关键词”参数设置：

在微调阶段，关键词信息的数目可以限制在0～4个，0意味着某些样本没有关键词(即使提取出了关键词，也可以以一定概率让关键词部分为空)，目的是为了不让模型过分依赖关键词信息，能够自己产生一些有内容的回复。详细地，如果从对话响应语句中抽取出的关键词数目为n，当n＝0时，关键词部分为空；当n>0时，有15％的概率挑选0个关键词，85％的概率做以下操作：计算m＝min(4,n)；从1～m之间随机挑一个值k，作为关键词的个数；从关键词列表里随机挑选k个关键词。如果关键词数目为0，那么输入数据格式为：“对话语句[SEP][SEP1][SEP2]对话响应语句”，如果关键词数目为1，输入格式为：“对话语句[SEP][SEP1]关键词1[SEP2]对话响应语句”，如果关键词数目有多个，则用空格隔开关键词，格式为：“对话语句[SEP][SEP1]关键词1关键词2[SEP2]对话响应语句”。

可选地，在模型训练时候，关键词提取采用开源技术方法实现，无需人工标注，所以没有文案的人力成本。以这种喂关键词方式训练出来的模型，当喂给它人设的关键信息时，模型也能生成出通顺且以较大概率包含关键信息的回复内容。

可选地，通过上述方式进行模型训练得到对应的预先训练好的语料模型之后，可以将前述匹配结果输入至该模型中，进而得到对应的对话响应语句。

下面来具体解释本申请实施例中提供的游戏中对话处理方法的再一具体实施过程。

图6为本申请实施例提供的游戏中对话处理方法的流程示意图五，请参照图6，判定目标意图是否为满足预设条件的目标意图之后，方法还包括：

S610：若目标意图属于预设意图库中的意图，基于目标意图在预设意图库中的归属类型以及目标词槽中的关键词信息从非玩家角色行为表中进行行为查找，得到查询结果。

S620：根据查询结果生成对话响应语句。

可选地，若目标意图属于预设意图库中的意图，则可以基于目标意图和目标词槽，从非玩家角色行为表中查找对应的行为信息，并把答案返回回来。比如用户说“你今天10点在干什么呀？”意图识别为“问几点钟在做什么”，词槽提取结果为：日期＝今天(比如2021.6.1)，小时＝10点。基于日期和时间可以定位到唯一的一条日程安排例如在非玩家角色行为表中安排如下：[行为信息：在院子里和小伙伴骑竹马，时间信息：10点]，然后回复行为的信息，回复时可以直接回复行为名称：骑竹马，也可以将行为的详细参数经过模板拼成一句话回复：在院子里和小伙伴骑竹马。对于其他的意图，同样可以设计回复模板来进行特定的回复。另外，对于同一个意图，可以多设计一些回复话术，提升回复内容的多样性，让用户产生新鲜感，比如“我在骑竹马”、“骑竹马”、“我今天10点在骑竹马”、“十点的时候在骑竹马”等。

本申请实施例中提供的游戏中对话处理方法中，若目标意图属于预设意图库中的意图，基于目标意图在预设意图库中的归属类型以及目标词槽中的关键词信息从非玩家角色行为表中进行行为查找，得到查询结果；根据查询结果生成对话响应语句。其中，通过从非玩家角色行为表中进行行为查找实现了非玩家角色关于自身人设问题的简单问答，且保证了不同的时刻回答内容的一致性，提升了玩家对机器人的认识。

下述对用以执行的本申请所提供的游戏中对话处理方法对应的装置、设备及存储介质等进行说明，其具体的实现过程以及技术效果参见上述，下述不再赘述。

图7为本申请实施例提供的游戏中对话处理装置的结构示意图，请参照图7，游戏中对话处理装置，包括：获取模块710、预处理模块720、生成模块730以及输出模块740；

获取模块710，用于获取玩家输入的对话语句；

预处理模块720，用于对对话语句进行预处理，得到对话语句的目标词槽以及目标意图，目标词槽用于表征对话语句中的关键词信息，目标意图用于表征对话语句的行为目的；

生成模块730，用于根据目标词槽、目标意图以及预设的非玩家角色行为表，生成对话响应语句，非玩家角色行为表用于记录非玩家角色的行为信息；

输出模块740，用于向玩家输出对话响应语句。

可选地，生成模块730，还用于基于预设的行为生成策略以及目标时间信息，生成目标时间信息对应的行为信息；将目标时间信息以及目标时间信息对应的行为信息增加至非玩家角色行为表中。

可选地，生成模块730，还用于根据各日期下的各小时对应的行为信息，确定各日期对应的行为信息；和/或者，根据各星期下的各日期对应的行为信息，确定各星期对应的行为信息；和/或者，根据各月度下的各星期对应的行为信息，确定各月度对应的行为信息；和/或者，根据各年度下的各月度对应的行为信息，确定各年度对应的行为信息。

可选地，生成模块730，具体用于确定以当前日期为结束日的目标星期中各日期对应的行为信息，根据目标星期中各日期对应的行为信息确定目标星期对应的行为信息。

可选地，生成模块730，具体用于确定以当前日期为结束日的目标月度中各星期对应的行为信息，根据目标月中各星期对应的行为信息确定目标月度对应的行为信息。

可选地，生成模块730，具体用于确定以当前日期为结束日的目标年度中各月度对应的行为信息，根据目标年度中各月度对应的行为信息确定目标年度对应的行为信息。

可选地，预处理模块720，具体用于基于对话语句进行关键词提取处理，得到目标词槽。

可选地，预处理模块720，还用于基于对话语句进行意图语料匹配，得到目标意图。

可选地，生成模块730，具体用于判定目标意图是否属于预设意图库中的意图；若目标意图不属于预设意图库中的意图，将目标词槽与非玩家角色行为表进行匹配处理，得到匹配结果；根据匹配结果生成对话响应语句。

可选地，生成模块730，具体用于基于目标词槽所表征的关键词信息，从非玩家角色行为表中筛选出至少一个筛选结果，筛选结果中包括：时间信息以及行为信息；对每个筛选结果进行评分排序处理；将满足评分排序结果的筛选结果以及关键词信息作为匹配结果。

可选地，生成模块730，具体用于将匹配结果输入到预先训练好的语料模型中生成对话响应语句。

可选地，生成模块730，还用于若目标意图属于预设意图库中的意图，基于目标意图在预设意图库中的归属类型以及目标词槽中的关键词信息从非玩家角色行为表中进行行为查找，得到查询结果；根据查询结果生成对话响应语句。

上述装置用于执行前述实施例提供的方法，其实现原理和技术效果类似，在此不再赘述。

以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central Processing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。

图8为本申请实施例提供的计算机设备的结构示意图，请参照图8，计算机设备，包括：存储器810、处理器820，存储器810中存储有可在处理器820上运行的计算机程序，处理器820执行计算机程序时，实现上述游戏中对话处理方法的步骤。

本申请实施例的另一方面，还提供计算机可读存储介质，存储介质上存储有计算机程序，该计算机程序被处理器执行时，实现游戏中对话处理方法的步骤。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本发明各个实施例方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取存储器(英文：Random Access Memory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

上仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (16)

1.一种游戏中对话处理方法，其特征在于，包括：

获取玩家输入的对话语句；

对所述对话语句进行预处理，得到所述对话语句的目标词槽以及目标意图，所述目标词槽用于表征所述对话语句中的关键词信息，所述目标意图用于表征所述对话语句的行为目的；

根据所述目标词槽、所述目标意图以及预设的非玩家角色行为表，生成对话响应语句，所述非玩家角色行为表用于记录非玩家角色的行为信息；

向玩家输出所述对话响应语句。

2.如权利要求1所述的方法，其特征在于，所述非玩家角色行为表包括：行为信息以及时间信息，每个行为信息对应至少一个时间信息；其中，所述行为信息包括如下至少一种：地点信息、人物信息、原因信息、经过信息、结果信息、补充信息；

所述方法还包括：

基于预设的行为生成策略以及目标时间信息，生成所述目标时间信息对应的行为信息；

将所述目标时间信息以及所述目标时间信息对应的行为信息增加至所述非玩家角色行为表中。

3.如权利要求2所述的方法，其特征在于，所述时间信息包括时间单位，所述时间单位包括小时、日期、星期、月以及年。

4.如权利要求3所述的方法，其特征在于，所述方法还包括：

根据各日期下的各小时对应的行为信息，确定各日期对应的行为信息；和/或者，

根据各星期下的各日期对应的行为信息，确定各星期对应的行为信息；和/或者，

根据各月度下的各星期对应的行为信息，确定各月度对应的行为信息；和/或者，

根据各年度下的各月度对应的行为信息，确定各年度对应的行为信息。

5.如权利要求4所述的方法，其特征在于，所述根据各星期下的各日期对应的行为信息，确定各星期对应的行为信息，包括：

确定以当前日期为结束日的目标星期中各日期对应的行为信息；

根据所述目标星期中各日期对应的行为信息确定所述目标星期对应的行为信息。

6.如权利要求4所述的方法，其特征在于，所述根据各月度下的各星期对应的行为信息，确定各月度对应的行为信息，包括：

确定以当前日期为结束日的目标月中各星期对应的行为信息；

根据所述目标月中各星期对应的行为信息确定所述目标月对应的行为信息。

7.如权利要求4所述的方法，其特征在于，所述根据各年度下的各月度对应的行为信息，确定各年度对应的行为信息，包括：

确定以当前日期为结束日的目标年度中各月度对应的行为信息；

根据所述目标年度中各月度对应的行为信息确定所述目标年度对应的行为信息。

8.如权利要求1所述的方法，其特征在于，所述对所述对话语句进行预处理，得到所述对话语句的目标词槽，包括：

基于所述对话语句进行关键词提取处理，得到所述目标词槽。

9.如权利要求1所述的方法，其特征在于，所述对所述对话语句进行预处理，得到所述对话语句的目标意图，还包括：

基于所述对话语句进行意图语料匹配，得到所述目标意图。

10.如权利要求1所述的方法，其特征在于，所述根据所述目标词槽、所述目标意图以及预设的非玩家角色行为表，生成对话响应语句，包括：

判定所述目标意图是否属于预设意图库中的意图；

若所述目标意图不属于所述预设意图库中的意图，将所述目标词槽与所述非玩家角色行为表进行匹配处理，得到匹配结果；

根据所述匹配结果生成对话响应语句。

11.如权利要求10所述的方法，其特征在于，所述将所述目标词槽与所述非玩家角色行为表进行匹配处理，得到匹配结果，包括：

基于所述目标词槽所表征的关键词信息，从所述非玩家角色行为表中筛选出至少一个筛选结果，所述筛选结果中包括：时间信息以及行为信息；

对每个所述筛选结果进行评分排序处理；

将满足评分排序结果的筛选结果以及所述关键词信息作为所述匹配结果。

12.如权利要求10所述的方法，其特征在于，所述根据所述匹配结果生成对话响应语句，包括：

将所述匹配结果输入到预先训练好的语料模型中生成对话响应语句。

13.如权利要求10所述的方法，其特征在于，所述判定所述目标意图是否为满足预设条件的目标意图之后，所述方法还包括：

若所述目标意图属于预设意图库中的意图，基于所述目标意图在所述预设意图库中的归属类型以及所述目标词槽中的关键词信息从所述非玩家角色行为表中进行行为查找，得到查询结果；

根据所述查询结果生成对话响应语句。

14.一种游戏中对话处理装置，其特征在于，包括：获取模块、预处理模块、生成模块以及输出模块；

所述获取模块，用于获取玩家输入的对话语句；

所述预处理模块，用于对所述对话语句进行预处理，得到所述对话语句的目标词槽以及目标意图，所述目标词槽用于表征所述对话语句中的关键词信息，所述目标意图用于表征所述对话语句的行为目的；

所述生成模块，用于根据所述目标词槽、所述目标意图以及预设的非玩家角色行为表，生成对话响应语句，所述非玩家角色行为表用于记录非玩家角色的行为信息；

所述输出模块，用于向玩家输出所述对话响应语句。

15.一种计算机设备，其特征在于，包括：存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述权利要求1至13任一项所述的方法的步骤。

16.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，该计算机程序被处理器执行时，实现权利要求1至13中任一项所述方法的步骤。

Images